常见的6 高光谱特征参量与光谱库.ppt

第六章 高光谱特征参量与光谱库 6.1 光谱形态学分析－－光谱特征参量化 1）光谱吸收特征参数 2）光谱斜率与坡向 3）光谱二值编码 4）光谱导数 5）光谱吸收特征匹配 6）光谱积分 7）光谱曲线模拟 1）光谱吸收特征参数 主要是用来识别各种矿物成分或空间分布，通 过定义的光谱参数来提取各种定量信息。 吸收波长位置（P） 在光谱吸收谷中，反射率最低处的波长位置。 吸收深度（H） 在某一波段吸收范围内，反射率最低点到归一化包 络线的距离。 吸收宽度（W） 最大吸收深度一半处的光谱 带宽。 面积（A） 对称度（S）以吸收位置垂线为界限，右边区域面积与左边区 域面积比值的常用对数。 斜率（K） 光谱吸收指数：SAI（spectral absorption index）一条光谱曲线的光谱吸收特征可以由 光谱吸收谷点M与光谱吸收两个肩部的S1与 S2组成。 光谱特征参量的分析，尤其是光谱吸收指数（SAI）的计算，可以进行矿物吸收特征的鉴别，主要是特定波长吸收深度图像的生成。不同吸收波长位置的SAI图像序列形成光谱吸收图像立方体，它构成了矿物识别分类与填图的特征参数集。例如，2.33微米的SAI图像可以得到碳酸盐矿物分布图。2.20微米的SAI图像可以得到粘土矿物分布图，2.12微米的SAI图像可以得到铵化物的分布图等等。 ２）光谱斜率与坡向 ３）光谱二值编码 适用于对光谱库的查找和匹配。 成像光谱数据这种海量数据会产生大程度的冗余度，会降低计算机的处理效率。为实施匹配，因此要建立一些数据缩减和模式匹配技术，提出了一系列对光谱进行二进制编码的建议（Goetz，1990）。使得光谱可用简单的0,1来表述。 最简单的编码方法 h(n)=0, if x(n)=T; h(n)=1,if x(n)=T; 其中x(n)是像元第n通道的亮度值，h(n)是其编码，T是 选定的门限制，一般选为光谱的平均亮度，这样每个 像元灰度值变为1bit，像元光谱变为一个与波段数长度 相同的编码序列。 复杂一点的光谱匹配方式： 4）光谱吸收特征提取实例 第一个特征参量：最大吸收位置W 为了便于计算光谱吸收参数，可以将之线性化。先假设两个开始点S1、S2，即左右两个肩部（峰值为1）。再分别在两肩部的中间假定两吸收点A1、A2，进而确定两条线的交点，列出下面方程。 第二个特征参量：光谱吸收深度D（0到1之间）。 第三个特征参量：对称性S，这里不用面积作为衡量单位。 利用这3个光谱吸收特征参数，对图像进行分析可以 分别得到高光谱影像的吸收位置图、吸收深度图以及 对称性图。 分别利用这三个吸收特征参数对美国内华达cuprite矿区影像进行分析处理。 该地区原始影像是由航空可见光/红外成像光谱仪（AVIRIS）于1995年获得，共50个波段。 主要分析Al-O和C的特征，并选择相应的吸收波段： （1）Al-O分子的左右肩部分S1和S2别采用了第178个波段（2.0509um）和第199波段(2.2606um)，两个吸收点A1和A2分别为第184个波段（2.1110um）和第196个波段（2.2307um）。 （2）C分子的左右肩部分S1和S2别采用了第197个波段（2.2407um）和第212波段(2.3898um)，两个吸收点A1和A2分别为第201个波段（2.2805um）和第210个波段（2.3700um） 5）光谱导数（微分） 即对光谱曲线进行求导。光谱导数不能产生多于原始光谱数据的信息，但可以抑制或去除无关信息，突出感兴趣的目标信息。比如去除背景吸收或者是杂光反射信号，例如：增强光谱曲线在坡度上面的细微变化，或者消除部分大气效应。 6）光谱积分 7）光谱曲线模拟 典型的地物具有典型的波形形态，为了准确的描述、确定光谱曲线的特点，我们可以将整条光谱曲线或者是曲线中的某一段用一个数学函数来表达出来，这就称为是光谱曲线模拟。 以植被的曲线模拟为例：分为两个阶段的模拟，500~680可见光以及670~780红边 6.2 光谱数据库 光谱数据库是：由高光谱成像光谱仪或野外光谱仪在一定条件下测得的各类地物反射光谱数据的集合。 特点：它对准确地解译遥感图像信息、快速地实现未知地物的匹配、提高遥感分类识别水平起着至关重要的作用。 6.2.1 数据特点 光谱数据组成：一般包括植被、土壤、水体、冰雪、岩矿和人工目标6个典型地物大类。 遥感地面试验数据由遥感地面试验获取，是典型地物光谱测量与环境变量测量最终能获得规范、配套、完备、有效的数据集。 测量仪器 地物光谱数据的测量仪器主要有野外光谱仪和成